机器学习中的必修数学（八）
2017-09-28 18:13
169 查看
共轭函数
共轭函数的基本性质
共轭函数的进一步性质
拉格朗日量与拉格朗日对偶函数
对偶函数重要性质
对偶问题
线性约束优化问题的对偶问题
最小化向量范数
最大熵问题
对偶性
Slater条件
满足强对偶性的例子
KKT条件
KKT条件使用
使用KKT条件解决优化问题例子
支持向量机最简单的形式——分类问题
共轭函数的基本性质
共轭函数的进一步性质
拉格朗日量与拉格朗日对偶函数
对偶函数重要性质
对偶问题
线性约束优化问题的对偶问题
最小化向量范数
最大熵问题
对偶性
Slater条件
满足强对偶性的例子
KKT条件
KKT条件使用
使用KKT条件解决优化问题例子
支持向量机最简单的形式——分类问题
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 机器学习中的必修数学（五）
- 机器学习中的必修数学（二）
- 机器学习中的必修数学（七）
- 机器学习中的必修数学（三）
- 机器学习中的必修数学（九）
- 机器学习中的必修数学（四）
- 机器学习中的必修数学（六）
- 机器学习中的必修数学（十）
- 机器学习中的必修数学（一）
- 机器学习中的数学(4)-线性判别分析（LDA）, 主成分分析(PCA)
- 机器学习中的数学(3)-模型组合(Model Combining)之Boosting与Gradient Boosting
- 【机器学习中的数学】从西格玛代数、测度空间到随机变量
- 机器学习中的数学(3)——协方差矩阵和散布（散度）矩阵
- 《我眼中的机器学习》 --1 【数学基石】
- 机器学习中的数学(2)-线性回归，偏差、方差权衡
- 机器学习中的数学(3)-模型组合(Model Combining)之Boosting与Gradient Boosting
- 第二天、机器学习中的数学基础
- 机器学习笔记_数学基础_2-概率论
- 机器学习笔记（1）---数学分析与概率论
- MIT一牛人对数学在机器学习中的作用给的评述